「系统评估」共找到 2286 篇相关文章
大模型全员0分！谢赛宁领衔华人团队，最新编程竞赛基准出炉，题目每日更新禁止刷题
谢赛宁等人出题，让o3、Gemini - 2.5 - pro等模型全军覆没。LiveCodeBench Pro是实时基准测试，题库每日更新。此前称LLM编程超人类专家，本次测试并非如此，最好模型难题通过率也为0。
每一幕皆可控！字节发布多主体视频生成神器，人人皆主角
字节发布多主体视频生成神器MAGREF，基于一张参考图像，能生成主体高度一致的视频，多人同台也不串脸。它采用三阶段数据处理流程，构建在DiT架构上，实现复杂视频生成任务。
The Batch：833 | 针对智能体的钓鱼攻击
研究人员发现误导基于大语言模型的自主智能体的方法，即通过在热门网站植入恶意链接，利用智能体对热门网站的‘隐性信任’攻击。测试显示智能体易受诱导执行有害行为。
MCP 火爆半年后，是时候对它“祛魅”了
2024 年 11 月 25 日，Anthropic 发布的 MCP 协议意义重大，解决了 AI 模型与工具、数据源集成的碎片化问题。文章深入探讨其架构、价值、影响及趋势，还采访专家解答相关疑问。
“额度想重置就重置，不问财务”，Codex Tibo首曝幕后：产品没做好，就补偿用户
围绕 Codex 与 Claude Code 使用额度问题，社区不满额度机制不透明不可预测。Codex 团队 Tibo 公开额度重置逻辑源于补偿，并非营销。此外，还谈及产品融合、技术创新、算力决策等多方面内容。
AI眼镜不再依赖手机！这次真要单飞了
2026年AI硬件出货量飙升，但操作系统仍受GUI时代旧秩序束缚。乐奇Rokid在Rokid Open Day 2026上提出AIOS原生智能眼镜操作系统及AIUI交互标准，重构YodaOS，还搭建应用商店，构建开放生态。
AI游戏生成迎来「机制觉醒」：可自我进化的玩法设计师
文章指出当前大模型生成游戏存在玩法创新不足、评分虚高等问题。CreativeGame技术关注此问题，通过先写设计文档、激发创意、设计记忆架构等方式，让AI围绕机制持续迭代，探索可解释、可追踪、可迭代的创作范式。
京东广告大模型实战：GRAM 架构如何在 50ms 内完成生成式推荐？
流量红利见顶，广告营销转型遇挑战。京东张泽华在大会公开应对方案，介绍 GRAM 架构，实现意图与商品语义对齐，控制推理时延，解决冷启动等问题，还分享算法与知识工程实践。
LangFlow: 挑战离散扩散，探索下一代语言模型新范式
UIUC Ge Liu团队发布《LangFlow: Continuous Flow Matching for Large Language Models》，回归连续扩散架构。研究指出连续扩散受挫非先天缺陷，经优化，LangFlow让连续扩散在标准基准追平离散扩散，为多模态统一架构打通底层路线。
实测丨HeyGen开源HyperFrames，让AI Agent用HTML做视频
复杂视频剪辑工具对非专业人士和AI Agent不友好，HeyGen开源的HyperFrames是视频渲染框架，可让AI Agent用HTML做视频。该项目更新频繁，有HTML原生、为AI设计等特点，文末附项目链接。